Earticle

Average number of samples to signal (ANSS) and average time to signal (ATS) are the most widely used criterion for comparing the efficiencies of the quality control charts. In this study the method of evaluating ANSS and ATS values of the multivariate exponentially weighted moving average (EWMA) control charts with Markov chain approach was presented when the production process is in control state or out of control state. Through numerical results, it is found that when the number of transient state r is less than 50, the calculated ANSS and ATS values are unstable; and ATS(r) tends to be stabilized when r is greater than 100; in addition, when the properties of multivariate EWMA control chart is evaluated using Markov chain method, the number of transient state r requires bigger values when the smoothing constatnt λ becomes smaller.

학습 성과를 예측하거나 학습 경로를 최적화하는 연구 분야에서 기계학습과 같은 인공지능 기술의 사용이 점차 증가하면서 교육 분야의 인공지능 활용은 점차 많은 진전을 보이고 있다. 이러한 연구는 점차 심층학습과 강화학습과 같은 좀 더 고도화된 인공지능 방법으로 진화하고 있다. 본 연구는 학습자의 과거 학습 성과-이력 데이터를 기반으로 미래의 학습 성과를 예측하는 방법을 개선하는 것이다. 따라서 예측 성능을 높이기 위해 Markov Chain 방법을 응용한 조건부 확률을 제안한다. 이 방법은 기계학습에 의한 분류 예측에 추가하여 학습자가 학습 이력 데이터를 분류 예측에 추가함으로써 분류기의 예측 성능을 향상 시키기 위해 사용된다. 제안 방법의 효과를 확인하기 위해서 실증 데이터인 ‘교구 기반의 유아 교육 학습 성과 데이터’를 활용하여 기존의 분류 알고리즘과 제안 방법에 의한 분류 성능 지표를 비교하는 실험을 수행하였다. 실험 결과, 분류 알고리즘만 단독 사용한 사례보다 제안 방법에 의한 사례에서 더 높은 성능 지표를 산출한다는 것을 확인할 수 있었다.

As the use of artificial intelligence technologies such as machine learning increases in research fields that predict learning outcomes or optimize learning pathways, the use of artificial intelligence in education is gradually making progress. This research is gradually evolving into more advanced artificial intelligence methods such as deep learning and reinforcement learning. This study aims to improve the method of predicting future learning performance based on the learner's past learning performance-history data. Therefore, to improve prediction performance, we propose conditional probability applying the Markov Chain method. This method is used to improve the prediction performance of the classifier by allowing the learner to add learning history data to the classification prediction in addition to classification prediction by machine learning. In order to confirm the effectiveness of the proposed method, a total of more than 30 experiments were conducted per algorithm and indicator using empirical data, ‘Teaching aid-based early childhood education learning performance data’. As a result of the experiment, higher performance indicators were confirmed in cases using the proposed method than in cases where only the classification algorithm was used in all cases.

Markov chain method to evaluate the properties of control charts with variable sampling intervals(VSI0 for simultaneously monitoring several correlated quality characteristics under multivariate normal process are investigated. For comparing the efficiencies and properties of multivariate control charts, we consider multivariate Shewhart, CUSUM and EWMA charts in terms of average time to signal(ATS) and average number of samples to signal(ANSS). We obtained stabilized numerical results with Markov chain method when the number of transient state is greater than 100.

A loose part monitoring system is used to identify unexpected loose parts in a nuclear reactor vessel or steam generator. It is still necessary for the mass estimation of loose parts, one function of a loose part monitoring system, to develop a new method due to the high estimation error of conventional methods such as Hertz's impact theory and the frequency ratio method. The purpose of this study is to propose a mass estimation method using a Markov decision process and compare its performance with a method using an artificial neural network model proposed in a previous study. First, how to extract feature vectors using discrete cosine transform was explained. Second, Markov chains were designed with codebooks obtained from the feature vector. A 1/8-scaled mockup of the reactor vessel for OPR1000 was employed, and all used signals were obtained by impacting its surface with several solid spherical masses. Next, the performance of mass estimation by the proposed Markov model was compared with that of the artificial neural network model. Finally, it was investigated that the proposed Markov model had matching error below 20% in mass estimation. That was a similar performance to the method using an artificial neural network model and considerably improved in comparison with the conventional methods.

In this paper, a new technique for electromagnetic topology optimization is proposed. The proposed technique is based on the large-step Markov chain (LSMC) method with novel local optimization algorithm. Because the proposed algorithm keeps a good convergence characteristic of LSMC, fast convergence is assured. The proposed LSMC is verified by an application to an inverse reconstruction problem.

본 논문에서는 Delay Tolerant Networks(DTNs)에서 Markov chain으로 노드의 속성 정보 변화율을 분석하여 노드의 이동 경로를 예측하는 알고리즘을 제안한다. 기존 DTN에서 예측기반 라우팅 기법은 노드가 미리 정해진 스케줄에 따라 이동한다. 이러한 네트워크에서는 스케줄을 예측할 수 없는 환경에서 노드의 신뢰성이 낮아진다. 본 논문에서는 일정 구간의 노드의 속성 정보의 시간에 따른 변화율을 Markov chain을 이용하여 노드의 이동 경로를 예측하는 알고리즘을 제안한다. 제안하는 알고리즘은 노드의 속성 정보 중 노드의 속도와 방향성을 근사한 후, 변화율을 분석하고 이로부터 Markov chain을 이용하여 확률전이 매트릭스를 생성하여 노드의 이동 경로를 예측하는 알고리즘이다. 주어진 모의실험 환경에서 노드의 이동 경로 예측을 통해 중계 노드를 선정하여 라우팅 함으로써 네트워크 오버헤드와 전송 지연 시간이 감소함을 보여주고 있다.

리튬 이온 배터리의 잔존수명 추정은 품질보증, 운전계획, 교체주기 파악 등을 위해 활용된다는 점에서 그 필요성이 점점 커지고 있다. 본 논문에서는 에너지 저장 장치용 배터리의 잔존 수명을 단일지수 용량열화 모델과 마코프체인 몬테카를로(MCMC) 방법을 이용하여 추정한 결과를 제시한다. MCMC방법은 사전 정보가 제대로 주어지지 않았을 때, 추정결과가 모델 초기값과 입력 설정값에 따라 크게 변하게 되는 단점이 있어, 실제 현장에서 배터리 모델과 추정법에 익숙하지 않은 사용자가 활용하는데 어려움이 있다. 이러한 어려움을 극복하기 위해, 본 논문에서는 베이지안 추론법의 이론식을 전역 탐색하여 구한 이론값과 MCMC 추정값을 비교해서, 초기값과 설정값을 결정하는 과정을 제안한다.

Remaining useful life (RUL) estimation of the Li-ion battery has gained great interest because it is necessary for quality assurance, operation planning, and determination of the exchange period. This paper presents the RUL estimation of an Li-ion battery for an energy storage system using exponential function for the degradation model and Markov Chain Monte Carlo (MCMC) approach for parameter estimation. The MCMC approach is dependent upon information such as model initial parameters and input setting parameters which highly affect the estimation result. To overcome this difficulty, this paper offers a guideline for model initial parameters based on the regression result, and MCMC input parameters derived by comparisons with a thorough search of theoretical results.

본 논문에서는 Delay Tolerant Network(DTN)에서 Markov chain으로 노드의 속성 정보를 분석하여 노드의 이동경로를 예측하는 알고리즘을 제안한다. 기존 DTN에서의 예측기반 라우팅 기법은 노드가 미리 정해진 스케줄에 따라 이동하게 된다. 이러한 네트워크에서는 스케줄을 예측할 수 없는 환경에서 노드의 신뢰성이 낮아지는 문제가 있다. 본 논문에서는 이러한 문제를 극복하기 위해 노드의 속성 정보를 Markov chain을 적용하고 일정 구간에서 시간에 따른 노드의 이동 경로를 예측하는 CMCP(Context-awareness Markov-Chain Prediction)알고리즘을 제안한다. 제안하는 알고리즘은 노드의 속성 정보 중 노드의 속력과 방향성을 근사한 후 Markov chain을 이용하여 제한된 주기와 버퍼의 범위에서 확률전이 매트릭스를 생성하여 노드의 이동 경로를 예측하는 알고리즘이다. 주어진 모의실험 환경에서 노드의 이동 경로 예측을 통해 중계 노드를 선정하여 라우팅 함으로써 메시지 전송 지연 시간이 감소하고 전송률이 증가함 보여주고 있다.

This paper describes a novel Context-awareness Markov Chain Prediction (CMCP) algorithm based on movement prediction using Markov chain in Delay Tolerant Network (DTN). The existing prediction models require additional information such as a node's schedule and delivery predictability. However, network reliability is lowered when additional information is unknown. To solve this problem, we propose a CMCP model based on node behaviour movement that can predict the mobility without requiring additional information such as a node's schedule or connectivity between nodes in periodic interval node behavior. The main contribution of this paper is the definition of approximate speed and direction for prediction scheme. The prediction of node movement forwarding path is made by manipulating the transition probability matrix based on Markov chain models including buffer availability and given interval time. We present simulation results indicating that such a scheme can be beneficial effects that increased the delivery ratio and decreased the transmission delay time of predicting movement path of the node in DTN.

DTV 방송이 개시된 이후로 방송망의 비디오, 오디오 및 채널 정보들을 제외한 나머지 대역폭에 부가 정보를 전송하여 데이터 방송 등과 같은 서비스를 제공하고자 하는 노력이 있었다. 최근에는 이러한 대역폭에 장시간 동안 VOD 콘텐츠를 전송하여 수신기에 저장시키는 방법으로 콘텐츠를 제공하는 Push-VOD 서비스가 주목을 받고 있으며, ATSC에서도 NRT(Non-Real-Time)[1]라는 이름으로 해당 전송 방법을 규격화하는 작업을 진행하고 있다. 그러나 이러한 방식으로 콘텐츠를 전송할 때 DTV 수신환경이나 수신기의 문제 등으로 인해 한 번의 전송만으로는 콘텐츠가 에러없이 전송되지 않을 확률이 높다. 따라서 이를 극복하기 위해서는 방송망의 단방향적 특성상 콘텐츠를 여러 번 반복 전송하여 전송 신뢰도를 높여야 한다. 본 논문에서는 단방향 전송환경인 방송망으로 제한된 시간 내에 여러 콘텐츠를 수신기로 전송하고자 할 때, 마르코프 연쇄 모델링과 동적 계획 기법을 이용하여 전송된 콘텐츠들의 에러를 최소화하는 콘텐츠들의 최적 반복 전송 횟수를 구하는 방법을 제안한다.

After starting digital terrestrial broadcasting, there have been a number oftrials to provide new services like data broadcasting on a spare bandwidth of a DTV channel. Recently, the Push-VOD service, which provides A/V contents on that bandwidth, gets more attention and is being standardized as NRT(Non-Real-Time) by ATSC. However, it is highly probable that the contents transmitted in this way contain many errors due to the DTV receiving environment. Thus, in order to improve the reliability of transmission, the contents should be transmitted repeatedly several times, considering the unidirectional property of DTV terrestrial network. In this paper, we propose a method to calculate the optimal number of repetitions to transmit each contents in a way that minimizes the number of errors occured, when trying to transmit several contents to the receiver in a restricted time, using Markov-chain modeling and dynamic programming approach.